基于语音特征提取的帕金森辅助诊断
这是一篇关于帕金森,语音分类,深度学习,优化算法的论文, 主要内容为帕金森病一直以来都给人类的晚年生活带来了许多困难,近年来患病率不断上升。由于声音障碍是帕金森病的典型早期症状,一些研究人员试图根据从患者收集的声音数据来诊断这种疾病。尽管现有方法可以提供可接受的结果,但它们仅适用于部分场景。换句话说,它们的生成能力和鲁棒性都不够。因此如何从语音信号中确定帕金森病一直以来都是一个难题,本文就是在基于语音信号分辨帕金森病方向的探索研究,本文的研究内容如下:(1)针对帕金森病语音信号分类问题提出引入深度学习的方法来解决。首先针对数据集的制备,详细地介绍了从语音信号中提取声谱图的方法,并且介绍了语音信号处理中的梅尔滤波器和常量Q变换,经过处理将两个公开的帕金森病语音数据库转换成了实验所需要的帕金森病语音图像数据集,接着使用Xception网络和Res Net50网络进行实验,通过实验证明基于声谱图的帕金森语音分类的方法虽然存在一定的问题,但是方法是可行的,能够实现基于语音信号识别帕金森病。(2)针对语音分类中特征提取存在的困难,研究使用神经网络直接从语音信号数据中提取特征应用于帕金森病语音分类。使用Vggish模型处理语音数据,学习语音数据中的特征用于分类,并且在不同的机器学习分类方法上经过多次实验,论证了方法的可行性。并且相较于图像分类的帕金森病语音分类,这一套基于深度学习提取语音信号特征的模型的方法性能有一定的提升。(3)针对帕金森语音分类特征分类器确定的问题,提出将帕金森病语音分类分为语音信号特征提取模块和特征分类两个模块进行研究。对于特征提取模块,利用PRAAT声学分析软件提取语音信号的基础特征;并且提出借助数学统计的方法提取音频特征。针对特征分类模块,基于得到的语音特征,将优化算法应用于分类网络的搜索以获取合适的分类器,基于差分进化算法和粒子群优化算法的原理构建了用于分类网络模型搜索的方法,最后通过实验证实了整套方法的实用性以及在帕金森病语音分类上准确率的提升。
面向边缘计算的智能任务调度技术研究
这是一篇关于边缘计算,任务调度,强化学习,Q学习,优化算法的论文, 主要内容为得益于芯片产业在技术上的积累和发展,边缘设备的算力得到了很大提升,使得边缘智能计算成为一种新的范式。然而,边缘计算网络本质上是一个包含大量异构智能计算设备的分布式集群,设备地理位置的分散性和设备自身硬件的差异性,以及边缘网络环境的动态性,使得系统资源难以得到高效管理和配置,设备算力无法充分利用。对边缘计算中两种典型场景下的调度问题进行了研究。首先是主从网络架构下的集中式调度,在该问题中,使用一个全局的控制器来实现任务的分发和调度,使用深度Q网络来解决该调度问题,针对计算任务请求和设备信息设计了相应的状态空间和动作空间,以时间开销和系统能耗的加权和作为优化目标设计了奖励函数。使用模拟数据对算法进行了训练,并借助仿真平台对算法性能进行了测试,结果表明算法在降低平均任务时延和能耗上效果明显,相较于基线算法分别降低了17.1%和3.8%。然后对包含多个用户设备和多个基站的无线边缘计算网络场景下的调度问题进行了研究。考虑到无线网络结构的复杂性和网络状态的动态性,选择使用分布式调度算法。具体的,将无线边缘网络中的调度问题拆分为两个子问题:即调度序列问题和资源配置问题。针对调度序列子问题,通过多智能体强化学习进行求解,将所有用户设备视为强化学习中的Agent,其要执行的动作为选择目标基站,将多个用户对基站资源的竞争视为博弈,设计了相应的状态空间和动作空间,以及联合效用函数。对于资源配置子问题,将通信资源和计算资源配置问题转化为凸优化问题,并使用连续凸逼近对其进行求解。最后设计了仿真实验测试了分布式调度算法在不同用户和基站数量下的收敛性和调度效果。实验评估表明:该调度算法具有良好的收敛性,相较于全部在本地计算的策略和根据最佳信道条件选择目标基站的策略,平均任务开销分别降低了25.7%和11.1%。
基于遗传算法的ERP和柔性作业车间调度系统的研究与开发
这是一篇关于ERP,柔性作业车间调度,遗传算法,物料需求计划,优化算法的论文, 主要内容为进入二十一世纪，我国经济迅猛发展，综合国力也得到了大幅的提升。其中，制造业作为国民经济的基础，更是得到了跨越式的发展。中国正在逐步成为世界制造强国，并在为成为世界制造中心的宏伟目标而继续奋斗。与制造业的蓬勃发展不相匹配的是，制造企业对于企业资源管理系统，即ERP系统重要性的认识还不到位，应用水平还很低，应用范围不均衡。这些都大大制约了我国制造业的发展。 在应用ERP系统从企业宏观的角度对制造企业的主生产计划（MPS）、物料需求计划（MRP）和能力需求（CRP）计划进行编制后，需要从制造车间微观的角度对机床和人员进行调度，即进行作业车间的调度，以快速完成产品所需零部件的加工。经典的作业车间调度问题（JSP）与实际生产脱节，不能适用于实际生产。而柔性作业车间调度问题（FJSP）是对经典作业车间调度的进一步发展，它更加结合生产实际，对实际生产具有一定的现实意义。 本文以设计出一套ERP和柔性作业车间调度系统为目标，以ASP.NET为开发环境，以Visual Studio2008和MATLAB R2008a为开发工具，以C#为开发语言，以Microsoft SQL Server2005为后台数据库，在设计出改进遗传算法的基础上，开发出了基于遗传算法的ERP和柔性作业车间调度系统。该系统首先从企业的实际需求出发，依据企业总体规划和企业提供的基础数据，从宏观上对企业的主生产计划（MPS）、物料需求计划（MRP）和能力需求（CRP）计划进行编制，并生成相应的计划；然后系统以企业ERP系统生成的计划为基础，从企业制造车间的角度出发，从微观上对作业车间的资源进行优化调度，并在调度过程中应用智能优化算法-改进的遗传算法，使车间资源的利用率达到最大化。 综上所述，该ERP和柔性作业车间调度系统的开发实现，特别是应用改进遗传算法进行柔性作业车间调度，是对ERP和柔性作业车间调度协同进行的一种尝试，对于制造企业如何规划生产和进行生产调度具有一定的现实意义。
船舶微电网故障重构及其可视化方法研究
这是一篇关于船舶微电网,数学模型,故障重构,优化算法,QT的论文, 主要内容为电网故障重构技术作为船舶电网自动化管理系统的一部分,是保证船舶微电网可靠和稳定运行的重要组成。船舶微电网发生故障时,该技术可在不增加额外成本的情况下通过改变电网拓扑结构实现负载可靠供电。根据船舶微电网的开关特性和拓扑结构特点,相应的电网故障重构技术可视为一类离散化、多维度的求优过程,通过比较不同重构方案得到最佳解。本文以环形和网状船舶微电网为研究对象,建立相应故障重构数学模型并设计改进的优化重构方法,在此基础上进一步开发可视化模拟系统。本文的具体研究内容如下:(1)针对船舶微电网故障重构问题,首先介绍船舶微电网的结构类型,然后根据作业环境分析故障重构目标,综合考虑负载的网络供电约束、节点容量限制、电源容量限制为约束条件,构建涵盖最大供电负荷、最小开关次数和电源效率均衡的主要目标函数。最后进一步得到船舶微电网故障重构数学模型。(2)针对环形船舶微电网故障重构问题,以船舶环形微电网系统为研究对象,设计一种基于可调节空间算子离散状态转移算法的优化方法。首先将离散状态转移算法的四种空间算子统一运行,使候选解的空间分布更加广泛。然后依据二进制粒子群算法引入激活函数,同时提出一种可调节空间算子作为其变量共同完成优化,激活函数和可调节空间算子提高了全局最优解的质量,缩短了运行时间。实验结果表明,相较于现有方法本文所提方法能够更快速地、更有效地解决环形船舶微电网故障重构问题。(3)针对网状船舶微电网故障重构问题,以船舶直流区域电网为研究对象,设计一种基于逻辑结构和改进强化学习的两阶段优化方法。第一阶段,依据电路原理构建负载连通矩阵,完成对负载供电路径拓扑分析,实现电网小型故障重构。第二阶段,在小型故障重构基础上,使用强化学习方法建立电源和负载环境,设计奖惩机制和状态动作空间,同时提出增加最优解经验池的方法提高最优解质量,最终实现电网大型故障重构。两阶段方法提高了最优解的收敛精度,减少了收敛时间。实验结果表明,相较于现有方法本文所提方法能够更快地、更有效地解决网状船舶微电网故障重构问题。(4)针对船舶微电网故障重构的可视化,基于船舶微电网故障重构方法,结合QT软件开发模拟系统。依据船舶微电网结构设计主界面,将故障重构方法转化为动态、静态链接库和H文件并导入底层系统。经测试该系统可有效进行船舶微电网故障重构模拟实验。最后,对全文内容进行总结以及展望后续研究工作。
基于深度展开的快照压缩成像
这是一篇关于快照压缩成像,深度展开,深度学习,掩码适应,优化算法的论文, 主要内容为快照压缩成像(Snapshot Compressive Imaging,SCI)旨在使用二维传感器捕捉三维数据。其基本原理是,在曝光过程中,利用掩码对高速场景进行调制,以获得压缩后的测量帧。通过这种方式,使每个测量帧都包含了所有编码帧的信息,然后使用重建算法恢复出原始数据。由于在数据的存储,传输方面的优势,SCI技术在高速摄影领域有着广泛的应用前景。目前,现有的重建方法具有掩码适应能力弱、重建时间长和可解释性差等劣势。本文将从深度展开算法的展开策略入手,提升模型的综合性能和掩码适应能力。在SCI系统中,基于模型和学习的方法已被用于重建视频帧,但这些方法大多不能在性能和速度之间取得良好的平衡。对于SCI重建,广义交替投影(Generalized Alternating Projection,GAP)是最有效的算法之一。为了提高SCI重建性能,本文提出了一个名为GAPMSF-Net的深度展开网络,模型的每个阶段从GAP算法的迭代中展开。首先,受原始GAP算法的加速计算过程可以显著提高算法的收敛速度这一事实的激励,根据其计算原理设计了一个深度加速网络,它可以根据前一阶段的重建结果,以数据驱动的方式学习一个规则来自适应调整线性流形。此外,为了加强重建阶段之间的信息交互,本文设计了一个多阶段的深度先验融合。在每个重建阶段,深度先验与包含所有先前信息的隐藏状态进行融合。目前,端到端的网络模型都需要利用掩码的信息来训练模型,但是在实际应用中,不同的SCI系统使用的掩码是不同的,因此,如果更换了掩码就需要重新训练模型,导致模型的部署时间延长。对此,受到传统优化算法的启发,考虑到张量表示可以在多帧数据中保存比向量和矩阵更多的结构信息,本文将近似消息传递算法(Approximate Message Passing,AMP)推广到张量的形式来实现SCI重建任务,名为Tensor AMP-Net。该模型通过去噪的视角来展开算法,设计双阶段去噪的展开策略,并且使用结构简单,参数量小的网络,使模型继承传统优化算法的特性,增强掩码的鲁棒性。此外,考虑视频帧间和帧内的数据结构特点,利用时空卷积网络结构实现深度先验模块,从局部和全局的维度实现双重去噪功能。实验结果表明,该模型在测试掩码上的重建效果与训练掩码相比只有轻微的下降,并且在重建的速度、内存消耗和计算量上都有很大的优势。
知识图谱健壮性增强方法的研究与实现
这是一篇关于知识图谱,健壮性增强,参数保护,优化算法的论文, 主要内容为在知识表示领域,数据稀疏性是大规模知识图谱普遍需要解决的难题。对此,研究者建立了一个连续的向量空间,将知识图谱三元组进行向量化嵌入到其中,从而实现了对实体和关系的分布式表示。现有模型在训练过程中采用生成负样本的方法主要是随机采样,通过此方法生成的大多数负样本质量较差,对于知识表示的健壮性增强并不明显。本文在现有的面向知识图谱的表示学习相关原理和技术的基础上,将现有知识表示模型结合到生成对抗网络中提升模型表现。同时随着机器学习攻击的兴起,模型参数在生产环境中存在着泄露的风险,对系统安全性造成威胁。本文为保护模型安全建立了参数保护机制,并通过优化算法对模型效率进行优化。具体研究内容包含以下几个方面:(1)为了解决Trans系列模型中随机采样生成的负样本质量不高的问题,本文通过对现有的知识表示学习模型的分析,引入了单体表现更好的KB-GAT模型。同时受生成对抗网络的启发,引入KBGAN模型生成较高质量的负样本以提升模型的健壮性。将现有的TransE、TransD模型与KB-GAT相结合,作为生成器和鉴别器不同组合进行试验。结果表明,提出的将KB-GAN与KB-GAT相结合的知识表示框架准确率优于现有的主流单一算法。(2)通过对模型参数篡改攻击相关工作的学习和了解,本文从对模型篡改攻击的防御角度,提出了对于知识图谱表示学习模型KB-GAT的参数保护机制,设计了高效的基于参数关键性的保护框架,根据关键性等级,通过加密验证的方式在系统部署前以及运行过程中对模型参数进行分层校验,确保模型参数没有被篡改从而增强知识图谱的健壮性。最后对实验结果进行分析,证明了保护机制对模型稳定运行的有效性。(3)在实际部署中添加的模型参数保护机制会增加系统的资源和时间开销,需要对其进行约束优化。本文将保护机制转化为一个约束优化问题,建立安全质量模型,同时对KB-GAT保护机制添加执行约束和期限约束,提出了使用果蝇算法(FOA)来获得近似最优解。同时为了解决果蝇算法无法确保获得全局最优解的局限性,使用了对果蝇算法进行多群策略改进的MFOA算法,通过实验评估表明,多群果蝇算法(MFOA)对于提升保护机制效率具有有效性。
精炼炉二级智能控制系统研究
这是一篇关于LF精炼炉,温度预估,SVR算法,配料系统,优化算法的论文, 主要内容为随着现代化科技的飞速发展,工业信息化和数字化已经逐步成为企业发展趋势,这不仅可以提高企业生产效率,降低生产成本,改进产品质量,而且能够加强企业管理,提高客户满意度。精炼炉二级系统作为全流程炼钢的关键,可以实现对生产过程的自动化监测与控制,以提升品量管理,协调炼钢节奏。本系统以某钢铁企业下120T精炼炉为研究背景,针对精炼过程设计了二级智能化过程控制系统,主要实现了模型指导和优化计算等功能,为实现数字孪生精炼炉打下基础。首先,本文针对LF精炼炉的基本工艺及特点进行分析研究,建立了精炼炉冶金工艺数学模型。其中,温度预估模型的提出主要是精炼炉现阶段未能找到合适的测温元件达到连续测温的目的,通常以多次测温来获取当前钢水温度,依此调节电弧加热功率。而合金加料模型主要是精炼过程需要对钢水进行合金化操作,通常以人工经验算法计算,此方式未能考虑在合金成本最低的情况下选择合适的物料配比问题。其次,针对上述问题,本文通过分析精炼炉能量平衡及传递过程,建立基于SVR算法的温度预估模型,为了使模型算法尽快收敛,又引入PSO算法来优化上述模型,通过对比分析,PSO-SVR回归预测模型的误差相对较小,预报误差在±5℃之内的炉次占总炉次的94%,其模型可实现对钢水温度的连续预报,为满足终点出站温度,指导基础级选择电弧加热,合理控制加热功率提供数据支持和参考依据。针对钢水合金化操作,通过平均炉次法的方式对合金收得率进行优化调整,在满足钢种成分达标的前提下,以合金成本最低为目标建立基于LP算法的合金配料模型,最终得到最优解集,通过指导基础级自动完成合金成分调整,以此达到降低合金投入成本的目的。然后,针对整个精炼二级过程控制系统进行系统架构设计和通迅设计。系统的整体框架以三层架构的设计模式为基础,根据业务需求功能进行模块的划分和设计,最终实现精炼过程级系统中加料、测温、吹氩、通电、喂丝等工艺数据的处理和记录。在通迅方面,作为过程级系统,设计划分不同身份职责的用户分别与基础级和管理级进行数据交互。其中与基础级采用OPC通讯技术进行数据交互,以实现数据实时获取和指导。而与管理级则采用MQ队列通讯技术进行数据下发和上传,借助消息队列完备的工作模式和可靠的工作特性,来保证通迅系统的稳定性和安全性,最终实现炼钢过程的合理调度。最后,依据精炼二级系统的各个模块功能设计了友好的人机交互界面,包括主控功能信息、钢种化验对照信息、LF冶炼详细信息、LF冶炼过程信息、温度模型预测以及合金模型指导等。通过后期现场调试,最终取得了令人满意的结果。本文设计的精炼炉二级智能控制系统以工艺理论为基础,提高精炼炉设备技术水平为目的,结合相关数据库技术和通讯技术进行系统的设计与实现。该系统通过建立的工艺模型对实际生产进行指导,对提高企业经济,保证精炼效率具有重要的实际意义。
考虑多样性和误分类成本的旅游景点个性化推荐
这是一篇关于景点推荐,推荐多样性,误分类成本,协同过滤,优化算法的论文, 主要内容为随着在线旅游业的迅速发展,越来越多的消费者选择在线订购旅游产品。然而在线旅游产品繁多,用户在选择旅游产品时面临着严峻的信息过载问题。个性化推荐系统能够有效缓解信息过载的问题,通过预测用户偏好和挖掘用户需求,为用户推荐合适的旅游产品,在增加用户满意度的同时提升了在线旅游运营商的竞争力,因此被广泛应用于在线旅游领域。旅游景点是在线旅游业最重要的产品之一,也是组成其它旅游产品的主要元素,因此旅游领域个性化推荐的研究主要针对旅游景点。目前,大多数景点推荐方法都致力于提高推荐的准确性。然而,仅仅注重准确性的推荐系统往往会推荐用户经常购买的热门产品,导致推荐的产品缺乏多样性且非热门产品可见度低,产生过拟合问题。同时,由于在线旅游运营商无法向消费者推荐新颖的产品,他们可能会错失一些商机。研究表明提升推荐的多样性能够改善过拟合问题,提升用户的满意度。因此,本文聚焦于旅游景点推荐的多样性。现有的推荐多样性的相关研究存在着很多可改进的空间。首先,众多研究没有深入到具体领域,在定义推荐多样性时缺乏对项目属性特征的考虑,仅仅基于评分数据计算项目间的差异。其次,现有的提升推荐多样性的算法会造成推荐准确性的损失。针对上述两个问题,本文首先提出了基于景点主题特征的推荐多样性定义方法,通过LDA模型提取景点的主题特征,计算景点间的主题差异性,景点推荐多样性是列表内景点主题差异性的均值。在此基础上,本文提出了考虑多样性和误分类成本的两阶段推荐模型,本文的方法基于传统的推荐方法进行优化,旨在提升旅游景点推荐多样性和准确性。最初,通过传统推荐算法计算景点的预测评分,评分最高的M个景点被选为初始推荐列表。在第一阶段,本文提出了考虑主题多样性的优化模型,基于用户偏好和景点主题多样性构建用户效用函数,通过最大化用户效用选择出T个候选景点。此步骤的目的是筛选出高度差异化的景点,以提高推荐的多样性。在第二阶段,为了平衡推荐的多样性和准确性,本文提出了考虑误分类成本的优化模型。基于对推荐系统错误分类类型和成本的分析构建优化模型,通过最小化误分类总成本选择N个景点作为最终推荐列表。为了验证本文提出的两阶段推荐模型的效果,本文基于旅游领域代表性平台携程的数据进行了实验与分析。本文分别以概率矩阵分解算法和基于项目的协同过滤算法作为基准推荐算法进行实验,结果显示考虑多样性和误分类成本的两阶段推荐模型的推荐多样性和准确性都优于经典的推荐算法。同时,两阶段推荐模型的推荐效果优于先进的提升推荐多样性的算法。实验结果表明,本文提出的考虑多样性和误分类成本的两阶段推荐模型能够有效提升推荐效率,在提升推荐多样性的同时维持了较高的推荐准确性。
智能组合优化平台设计与实现
这是一篇关于旅行商问题,车间调度问题,优化算法的论文, 主要内容为旅行商问题和车间调度问题是现实世界中的一类组合优化问题,这类问题均属于NP难问题。自上世纪50年代中期仿生学创立以来,人们不断地从生物进化的机理中得到启发,提出了许多用于解决复杂优化问题的新方法,比如神经网络、遗传算法、模拟退火算法、进化规划等。这些新方法已经成功地应用于解决实际的组合优化问题,因此开发一个使用智能优化算法解决组合优化问题的平台是可行的并且具有重要的意义。 本文首先分析了TSP和JSP等组合优化问题,并介绍了近年来一些流行的智能优化算法。然后提出了智能组合优化平台的分析与设计的方法,阐明了该平台的整体架构与开发过程。之后对平台开发中使用的类进行定义说明,明确和规范了类之间的调用与功能,进而实现了该平台。最后对该平台运行的结果进行了测试并且分析该平台需要改进的功能与空间。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕设助手 ，原文地址：https://m.bishedaima.com/lunwen/47549.html
